Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Laboratoire ERIC
Durée : Indéterminée
Contact : julien.jacques@univ-lyon2.fr
Date limite de publication : 2018-04-30

Contexte :
Un poste de PR en informatique (section 27, code interne 0001) est ouvert au concours à l’Université Lumière Lyon 2, avec rattachement recherche au laboratoire ERIC et rattachement enseignement à l’Institut de la Communication (où sont hébergées toutes les formations en informatiques hors IUT).

Sujet :
Le profil du poste est : Fouille de données, apprentissage automatique, big data, humanités numériques. Plus de détails dans la fiche de poste jointe.

Profil du candidat :
Qualifié.e en 27e section

Formation et compétences requises :
Cf. profil

Adresse d’emploi :
Université Lumière Lyon 2
Campus Porte des Alpes

Document attaché : PR-27-0001-fiche-de-poste.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : LIG / Université Grenoble Alpes
Durée : 2 years
Contact : vincent.leroy@univ-grenoble-alpes.fr
Date limite de publication : 2018-05-01

Contexte :
The goal of a recommendation strategy is to estimate a user’s interest for items she has not expressed interest for before, and return the items she is most likely to appreciate.
Context-aware recommendations refer to the need to take into account additional information in serving recommendations in serving content to users. Context refers to many different dimensions, temporal (time of day or time of year), geographical (at home or at work), presence of absence of others (in the company of friends or in the company of kids), etc. Context can be utilized at various stages of the recommendation process, including at the pre-filtering and the post-filtering stages and also as an integral part of the contextual modeling. This project aims at investigating how various techniques of using the contextual information can be combined into a single recommendation approach to improve recommendation accuracy. These techniques will be applied in a real use-case provided by our industrial partner, Total.

Sujet :
Challenges:
– Understand which dimensions are relevant for our use case
– Understand the changing nature of context
– Design algorithms for contextual recommendation
– Collaborate with marketing experts from Total to apply this research in real-world testing scenarios

ABOUT TOTAL
Give your best to better energy and make the commitment with Total. With over 500-plus professions in 130 countries, we offer high safety and environmental standards, strong ethical values, an innovation culture and wide-ranging career development. Be part of the global team whose mission is already shared by 100,000 employees: to make energy better each and every day.

Profil du candidat :
Candidates should have a PhD in computer science

Formation et compétences requises :
Required Skills:
A strong desire to implement systems that use the latest scientific results
A good command of English
Ability to work as part of a team
Sufficient educational background to understand the science and mathematics involved in machine learning/ data mining algorithms
Coding proficiency in at least one of Java, C++, Python

Desired Skills:
Practical experience with recommendation systems on a variety of datasets

Adresse d’emploi :
Laboratoire d’Informatique de Grenoble (LIG)
700 avenue Centrale, IMAG
38401 Saint-Martin d’Hères – FRANCE

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : SAMOVAR (UMR 5157, CNRS, Télécom SudParis)
Durée : indeterminée
Contact : walid.benameur@telecom-sudparis.eu
Date limite de publication : 2018-05-01

Contexte :
Télécom SudParis (école d’ingénieurs publique de l’institut Mines-Télécom) recrute un professeur en science des données/intelligence artificielle.

Sujet :
Le poste est décrit sur https://www.telecom-sudparis.eu/wp-content/uploads/2018/02/FP-prof_data_science.pdf

Profil du candidat :
L’enseignement sera plutôt en mathématiques (apprentissage statistique, optimisation, etc.)

La recherche se fera au sein du laboratoire Samovar (UMR5157, CNRS, Télécom SudParis) sur les sciences des données ou/et l’intelligence artifcielle.

Formation et compétences requises :
Le professeur recruté jouera un rôle d’animation transverse au sein du laboratoire.

Adresse d’emploi :
Pour toute information, contactez prénom.nom@telecom-sudparis.eu (avec prénom = walid, et nom = benameur)

Document attaché : FP-prof_data_science.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Polytech Nantes (Ecole d’ingénieur de l’université de Nantes) / LS2N (UMR CNRS 6004)
Durée : 12 mois
Contact : marc.gelgon@univ-nantes.fr
Date limite de publication : 2018-05-10

Contexte :
L’école d’ingénieur Polytech Nantes est une des composantes de l’université de Nantes et un des sites du Laboratoire des Sciences du Numérique de Nantes (LS2N – UMR CNRS 6004). Un poste d’ATER est à pourvoir en informatique, partagé entre le département informatique et le cycle préparatoire ingénieur.

Sujet :
La personne recrutée interviendra en cycle ingénieur informatique (bac+3 à +5) et en cycle préparatoire (bac+1 et bac+2). Les besoins principaux d’enseignement en cycle ingénieur pour l’année 2018-2019 sont en réseaux et sytème (d’exploitation), logiciel (langages/programmation), bases de données, principalement sous formes TD/TP/encadrement de mini-projets étudiants, et plutôt mathématiques de base et coaching étudiant en cycle préparatoire.

Profil du candidat :
Doctorat 27eme section CNU.

Formation et compétences requises :
Un profil de compétences « science et/ou ingénierie des données / apprentissage » qui serait capable d’assurer les enseignements ci-dessus serait également examiné avec intérêt, car cette thématique aurait de bonnes possibilités d’interactions avec les membres de l’équipe pédagogique locale, cette fois sur le volet recherche.

Adresse d’emploi :
Polytech Nantes, rue C. Pauc, La Chantrerie, 44306 Nantes

Point de contact pour plus d’information :
Marc GELGON (marc.gelgon@univ-nantes.fr)
directeur département informatique
Polytech Nantes

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : LIS UMR 7020
Durée : 2 years
Contact : francois-xavier.dupe@lis-lab.fr
Date limite de publication : 2018-05-11

Contexte :
In brain imaging, traditional group analyses rely on averaging data collected in different individuals. This averaging offers a summary representation of the studied group, thus providing a way to perform inference at the population level. However, it discards the specificities of each individual, which have recently proved to carry critical information to develop diagnosis and prognosis tools for neurological and psychiatric diseases or to understand high level cognitive processes.

Sujet :
Estimating robust population-wise invariants while preserving individual specificities is a challenge that can be addressed by integrating the information offered by different neuroimaging modalities, such as anatomical, functional and diffusion MRI, which respectively allow assessing brain shape, activity and connectivity. This can therefore be framed as a multi-view machine learning question. The tasks of the post-doctoral fellow will consist in 1. finding adequate representations of data (e.g. graph, stack of images, …) that preserve structural information, 2. designing and implementing machine learning algorithms that exploit both the representations and the multiple views using kernel methods and/or neural networks, and 3. evaluating them on a variety of MRI datasets dedicated to studying language and communication.

Profil du candidat :
The candidate should have completed a PhD in computer science, applied mathematics or electrical engineering, with a focus on machine learning. He/she should also have a strong motivation to work in neuroscience, as the working environment will be truly inter-disciplinary. The two years postdoctoral fellowship, funded by the newly established Institute for Language, Communication and the Brain (http://www.ilcb.fr) will be awarded through a competitive selection process. Interested candidates should contact sylvain.takerkart@univ-amu.fr, francois-xavier.dupe@lis-lab.fr and hachem.kadri@lis-lab.fr before May 11 2018.

Formation et compétences requises :
The candidate will be fluent in Python, have a good knowledge about recent methods in Machine Learning (e.g. kernels methods, neural network…). An interest in methods dealing with graphs like graph kernels will be appreciate.

Adresse d’emploi :
The post-doc will take place in the LIS offices in Marseille.

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : IRIT
Durée : 12 mois
Contact : osirim@irit.fr – candidatures via le portail d’emploi du CNRS (https://emploi.cnrs.fr/Offres/CDD/UMR5505-CLEROG-009/Default.aspx)
Date limite de publication : 2018-06-01

Contexte :
Le poste est situé à l’IRIT (http://www.irit.fr), Unité Mixte de Recherche multi-sites et multi-tutelles de plus de 700 personnes.
L’ingénieur rejoindra le centre de ressources informatiques (une quinzaine de personnes) sur le site de l’université Paul Sabatier de Toulouse.
L’ingénieur travaillera sur la plateforme OSIRIM (http://osirim.irit.fr), plateforme de stockage de forte volumétrie (1 Po) conçue pour l’hébergement de projets scientifiques abordant les problématiques liées aux «masses de données».
Sous la responsabilité de l’ingénieur en charge de la plateforme, l’ingénieur aura comme mission essentielle d’accompagner les projets, et plus précisément les projets portés par des équipes extérieures à l’IRIT souhaitant exploiter la plateforme OSIRIM.

Sujet :
Cette mission se déclinera en quatre activités :
– Accompagner les équipes utilisatrices dans l’appropriation des solutions déployées : ordonnanceur de jobs Slurm, cluster Hadoop, frameworks de Deep Learning, …;
– Etudier, évaluer et participer à la mise en œuvre de nouvelles architectures logicielles permettant d’enrichir l’offre de services de la plateforme (orchestration de conteneurs, Platform As A Service, … ) en regard des besoins et des contraintes de futurs projets hébergés;
– Définir des modèles et des outils d’interfaçage de la plateforme avec des dispositifs externes (tels que d’autres plateformes);
– Définir une offre de service pour les formations en liaison avec les problématiques de traitement de masses de données.

Profil du candidat :
Bac + 3 minimum, débutant accepté, animé par une forte curiosité intellectuelle et l’envie d’élargir son champ de compétences

Formation et compétences requises :
Compétences requises :
– Maîtrise du système d’exploitation Linux (client et serveur) et les services associés
– Connaissance des concepts et techniques d’architecture de virtualisation et de conteneurisation
– Bonne connaissance des langages de scripts
– Connaissance des concepts et techniques d’architecture des systèmes et des réseaux
– Connaissance des techniques de programmation d’applications distribuées
– Maîtriser l’anglais technique du domaine
– Reformuler une demande d’utilisateur en termes techniques
– Rédiger des notes techniques et des supports de formation

Connaissances supplémentaires appréciées :

– Connaissance des outils de virtualisation VMware, KVM, et de conteneurisation Docker, Kubernetes
– Connaissance d’architectures logicielles dédiées au traitement de masses de données : Hadoop, Spark, MongoDB, …

Adresse d’emploi :
IRIT – Université Toulouse 3
118 route de Narbonne
31062 Toulouse cedex

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : WEEN
Durée : CDI
Contact : nathanael.munier@ween.fr
Date limite de publication : 2018-06-01

Contexte :
WEEN est une start-up du mode des objets connectés. Mais avant tout, notre leitmotiv est de rendre les objets réellement intelligents et au service de leurs utilisateurs. Notre concept de rupture, nous permet d’évoluer dans la cour des grands. Ween a reçu un « Innovation Award » dans le cadre du CES 2016 et vient d’en recevoir un second pour le CES 2018.

Nous développons et le hardware et le software (infrastructure, mobile et embarqué). Nous sommes à 20 minutes porte à porte de la Défense et à 10 minutes de Saint Quentin en Yvelines par les transports.

Sujet :
Afin d’accompagner notre croissance, nous recrutons un(e) data scientiste / développeur algorithmique en IA / Machine Learning.

L’IA développée pilote déjà le thermostat Ween (www.ween.fr). Nous sommes en train de la porter sur une plateforme centralisée de manière à rendre autonome les objets commercialisés par nos clients industriels. Nous avons de nombreux projets de développement pour améliorer le prévisionnel existant (ajout d’inputs de type nouveau) mais également pour adresser encore d’avantage d’objets et de use-cases via des modules décisionnels à concevoir.

Profil du candidat :
Ce qu’il faut pour venir chez WEEN :

– avoir deux ans minimum d’expériences en Machine Learning, supervisé, par renforcement et non-supervisé,
– avoir des bases solides en réseaux de neurones,
maîtriser Python, R, C/C++
– savoir utiliser les mathématiques pour traiter des problèmes concrets
– le doctorat en IA ou Machine Learning est un plus apprécié

Formation et compétences requises :
Au-delà des compétences mentionnées ci-dessus, nous sommes ouverts à toute candidature. Le principale est l’état d’esprit du candidat. Il doit à l’aise avec le concept “start-up”. Les maîtres mots sont “passionné”, “gout du challenge” le tout avec une touche “d’aventure”.

Adresse d’emploi :
41 rue des états généraux
78000 VERSAILLES

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Institut Supérieur de l’Aéronautique et de l’Espace (ISAE – SUPAERO )
Durée : CDI
Contact : florian.simatos@isae-supaero.fr
Date limite de publication : 2018-06-04

Contexte :
L’Institut Supérieur de l’Aéronautique et de l’Espace (ISAE SUPAERO
) fort de son offre de formation d’ingénieurs et de masters, mastères spécialisés® et doctorats, est une institution de référence internationale pour la formation supérieure et la recherche dans le domaine aéronautique et spatial.

L’ISAE-SUPAERO développe des formations pluridisciplinaires et de haut niveau scientifique, dans lesquelles la dimension système est omniprésente. Ces formations adressent un très large spectre de domaines qui va bien au-delà de l’aéronautique et l’espace, avec par exemple l’énergétique, les systèmes autonomes et les sciences de la décision. Les recherches conduites l’ISAE-SUPAERO s’intéressent à ces mêmes domaines d’application.
Le Département d’Ingénierie des Systèmes Complexes (DISC) développe des compétences en mathématiques et informatique pour l’ingénierie aéronautique et spatiale. En enseignement comme en recherche, il s’intéresse aux modèles, méthodes et outils nécessaires pour maîtriser le
comportement et les performances de systèmes complexes. Cette complexité peut être induite par le caractère multi-physique ou multi-échelle des systèmes étudiés, leur comportement dynamique, leur structure distribuée et communicante. Le DISC développe des recherches méthodologiques
dans ce domaine, ainsi que des applications en collaboration avec les autres départements et des partenaires académiques ou industriels.
Dans ce contexte, l’ISAE-SUPAERO recrute un enseignant-chercheur en statistique mathématique dont les missions et le profil sont décrits ci-
dessous.

Sujet :
voir fiche ci-jointe

Profil du candidat :
Le candidat est titulaire d’un doctorat en mathématiques appliquées spécialité statistique mathématique. Il a démontré son potentiel de recherche par son historique de publication, ainsi que son goût pour les applications et sa capacité d’intégration dans une équipe de recherche. Il a une expérience pédagogique réussie au niveau Licence ou Master. Une expérience de post-doctorat constituant une mobilité géographique et thématique sera très appréciée. Il a le goût de l’enseignement, de la pédagogie et l’envie de s’investir dans un projet de formation ambitieux.
Rémunération selon expérience.

Formation et compétences requises :
voir fiche ci-jointe

Adresse d’emploi :
Envoyer CV, lettre de motivation et un dossier présentant expérience et projet en recherche et en enseignement (référence : fiche de poste ISAE
-530) à :
ISAE-SUPAERO
Service des Ressources Humaines
10, Avenue
Edouard Belin, BP 54032
31055 TOULOUSE Cedex 4
e-mail : recrutement-isae@isae.fr
Date limite de réception des candidatures : 04 juin2018

Document attaché : fdp_530_-_ec_en_statistique_donnees.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Laboratoire ICube (UMR 7357)
Durée : 12 mois
Contact : agnes.braud@unistra.fr,nicolas.lachiche@unistra.fr
Date limite de publication : 2018-06-15

Contexte :
Le projet HALFBACK (http://halfback.in.hs-furtwangen.de/) a débuté le 1er avril 2017 avec un financement de l’Union Européenne INTERREG. Le projet comprend trois partenaires académiques : la Hochschule Furtwangen (Allemagne) qui coordonne le projet, l’INSA de Strasbourg et l’Université de Strasbourg. Les partenaires strasbourgeois sont rattachés au laboratoire ICube, et plus particulièrement à l’équipe Science des Données et Connaissances (SDC – http://icube-sdc.unistra.fr/fr/index.php/Accueil). Le projet se fait en collaboration avec des PME de l’espace transfrontalier qui fournissent des données.

Ce projet vise à proposer des outils aux PME de manufacture, dans le but d’assurer une haute disponibilité des processus de production. Il s’agira notamment de développer des outils pour la prédiction de pannes de machines et de construire un réseau de PME, afin de pouvoir transférer une partie de la production d’une entreprise vers une autre en cas de panne de machine ou de commande trop importante. L’’équipe SDC interviendra notamment sur la maintenance prédictive avec des techniques de fouille de données et fouille de processus.

Sujet :
Le travail portera sur l’extraction de connaissances à partir de données issues de capteurs et produites par les PME partenaires du projet, à des fins de maintenance prédictive. Le volume de ces données est très important, elles peuvent de plus être bruitées et les évènements à prédire sont susceptibles d’être rares. Il s’agira de proposer des solutions de maintenance prédictive adaptées à ces données.

Profil du candidat :
Le candidat devra être titulaire d’un doctorat en Informatique .

Formation et compétences requises :
Compétences attendues en fouille de données, des connaissances en fouille de processus et données issues de capteurs seraient un plus.

Informations complémentaires :

Candidature : Pour postuler sur cette offre, envoyez un CV et une lettre de motivation à Agnès Braud (agnes.braud@unistra.fr) et Nicolas Lachiche (nicolas.lachiche@unistra.fr)

Rémunération : 2400€ net par mois

Adresse d’emploi :
ICube UMR 7357 – Laboratoire des sciences de l’ingénieur, de l’informatique et de l’imagerie
300 bd Sébastien Brant
CS 10413
67412 Illkirch Cedex

Document attaché : offre_postdoc_Halfback.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Laboratoire d’Etudes et d’Analyses en Santé Publique (LEASP)
Durée : 12 mois
Contact : sandra.bourgouin@inserm.fr
Date limite de publication : 2018-06-18

Contexte :
L’équipe EQUITY de l’UMR 1027 s’intéresse à l’étude de la construction des inégalités sociales de santé (ISS) au cours de la vie, en se concentrant sur les maladies chroniques et notamment les cancers. Parmi ses axes de recherche, un axe s’intéresse à l’analyse des chemins de causalité entre environnement social et santé (principalement l’hypothèse psychosociale (stress chronique), matérielle/environnementale, et comportementale), et à préciser les mécanismes biologiques susceptibles d’être influencés par ces expositions. Un second axe qui porte sur l’analyse du rôle des déterminants sociaux sur l’accès aux soins et la prise en charge. L’exploration de ces axes fait notamment appel à des données de cohortes et plus largement de données de vraie vie comme des données de registres de cancer, dont l’exploitation requiert des compétences en biostatistique que l’équipe souhaite renforcer. L’équipe souhaite ainsi recruter un(e) biostatisticien(ne).

– Le(a) candidat(e) sera intégré(e) à l’équipe Inserm EQUITY. Dans le cadre de sa mission, le(a) candidat(e) sera amené(e) à analyser les données de plusieurs bases de données en collaboration avec les chercheurs de l’équipe.
– Il bénéficiera de l’environnement logistique et scientifique de cette équipe.

Sujet :
– Assurer l’analyse biostatistique des données de plusieurs projets conduits par l’équipe ou auxquels l’équipe participe.
– Analyses statistiques sur des grandes bases de données populationnelles, longitudinales du plus basique des analyses descriptives, jusqu’à des analyses multivariées complexes telles que des analyses multniveaux et/ou des analyses de clusters (Modèles de classification par les classes latentes)
– Le(a) candidat(e) sera amené(e) à rédiger des rapports d’analyse, collaborer sur l’écriture d’articles, et à la présentation des résultats
– Les travaux auxquels le(a) candidat(e) sera amené(e) à travailler seront plus particulièrement les analyses biostatistiques destinées à préciser les liens entre l’environnement social depuis l’enfance et la santé à l’âge adulte, en interaction avec d’autres expositions. Un premier projet consistera ainsi à analyser l’influence des facteurs sociaux sur l’association entre l’exposition chronique à deux grandes familles de perturbateurs endocriniens (les alkyls perfluorés (PFAS) et les retardateurs de flamme bromés (BFR)) et le risque de cancers hormono-dépendants dans E3N, une cohorte prospective de 100 000 femmes françaises.

Profil du candidat :
– Aptitude de travail en équipe et avec des partenaires diversifiés
– Qualités relationnelles et d’animation
– Maîtrise des logiciels courants d’analyse statistique (STATA et R) et des logiciels bureautiques et de bases de données (Word, Excel, Access…)
– Une maitrise des logiciels de système d’information géographique serait appréciée
– Maîtrise de grandes bases de données
– Bon esprit de synthèse
– Capacité de comprendre et lire en anglais

Formation et compétences requises :
– Master ou équivalent en statistique

Adresse d’emploi :
37 allées Jules Guesde à Toulouse

Document attaché : profil-poste-IE_Stat_Equity.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : ISPED, Centre INSERM 1219 Bordeaux Population Health
Durée : 1 an
Contact : Gayo.Diallo@u-bordeaux.fr, Fleur.Mougin@u-bordeaux.fr
Date limite de publication : 20180618

Contexte :
L’ISPED est une des composantes de l’Université de Bordeaux et Centre INSERM 1219 Bordeaux Population Health est un laboratoire pluridisciplinaire associant des équipes en Epidémiologie, Bostatistiques, Informatique de Santé, Economie de la Santé.

Sujet :
Le profil complet est à cette adresse https://www.galaxie.enseignementsup-recherche.gouv.fr/ensup/ATERListesOffresPubliees/0333298F/FOPC_24452.pdf

Les besoins en enseignement dans le domaine informatique concernent aussi bien des formations de base dans la discipline que des formations très spécialisées destinées aux futurs experts en systèmes d’information et technologies informatiques pour la santé et en sciences des données. Ces enseignements concernent la première année et plusieurs parcours du Master mention Santé Publique de l’ISPED et des filières médicales et paramédicales du collège sciences de la santé.
La personne recrutée interviendra notamment en M2 Systèmes d’Information et Technologies Informatiques pour la Santé (formation en alternance), M1 Santé Publique, M2 Public Health Data Science (Ecole Universitaire de Recherche “Digital Public Health”)

Profil du candidat :

Enseignement
Les enseignements en informatique ont pour objectifs d’outiller les étudiants en formations initiale et continue de connaissances de base dans la gestion et le traitement de données d’une part, et des
compétences et connaissances spécialisées en informatique de santé. Pour la discipline informatique, les enseignants statutaires sont particulièrement mobilisés par les enseignements du nouveau parcours de M2 Public Health Data Science dans le cadre de l’Ecole Universitaire de Recherche Digital Public Health qui ouvrira dès la rentrée 2018. Un tiers des enseignements de ce M2 concernent l’informatique, ce qui constitue une charge supplémentaire pour l’équipe pédagogique actuelle , déjà en surcharge d’heures.
L’objectif de ce recrutement est de renforcer le potentiel enseignant en informatique et de permettre aux enseignants-chercheurs statutaires de se consacrer plus à l’enseignement des thématiques plus pointues dans le cadre des parcours Public Health Data Science et SITIS.

Recherche

Profil: Data and knowledge integration in health, natural language processing

La personne recrutée rejoindra le Centre INSERM 1219 Bordeaux Population Health, laboratoire pluridisciplinaire autour de la Santé Publique (Epidémiologie, Biostatistique, Informatique de Santé, Economie de la Santé). Il mènera ses activités de recherche prioritairement dans le domaine de l’informatique de santé, au sein de l’Equipe de Recherche en Informatique de Santé (ERIAS) du centre. Plus particulièrement, ses activités s’intégreront dans les thèmes liés à l’intégration des données et connaissances en santé, la réutilisation secondaire des données
biomédicales, la représentation des connaissances en santé ou encore le traitement automatique des langues.

Formation et compétences requises :
Doctorat en Informatique Section CNU 27.

La personne recrutée doit avoir une expérience d’enseignement dans le domaine informatique, avec une pédagogie adaptée notamment pour un public issu de filières non nécessairement spécialistes de l’informatique.
Dans un contexte d’internationalisation des formations de l’Université de Bordeaux, des aptitudes à dispenser des enseignements en anglais seraient un plus.

Adresse d’emploi :
Université de Bordeaux
Campus de Carreire
146 rue Léo Saignat
33076 Bordeaux Cedex

Document attaché : FOPC_24452.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : ENSAI
Durée : 3 ans
Contact : romaric.gaudel@ensai.fr
Date limite de publication : 2018-06-22

Contexte :
L’Ensai est une école d’ingénieurs qui fait partie du Genes (Groupe des écoles nationales
d’économie et de statistique). Elle recrute sur le concours commun polytechnique et sur un
concours inter-ENS (B/L et Cachan D2). Une promotion se compose d’environ 100 élèves
ingénieurs et 50 élèves fonctionnaires (futurs cadres A de l’Insee). Les élèves sont formés
aux métiers de l’ingénierie statistique et de la modélisation statistique, avec des
compétences associées en économie et informatique. Depuis janvier 2015, l’Ensai – avec
l’Ensae et l’école Polytechnique – ont formé l’UMR-CNRS CREST « Centre de recherche en
économie et statistique ».
Pour plus d’informations, il est possible de consulter le site Internet de l’école
(www.ensai.fr).

Sujet :
Le poste est celui d’enseignant en informatique/big data au sein de la direction des études.
La charge d’enseignement est de 170 heures équivalent cours magistral, se décomposant
généralement entre 120 heures d’enseignement et 50 heures liées aux responsabilités
pédagogiques.
Son activité comprend 4 volets.
1. assurer un service d’enseignement en informatique (notamment algorithmique,
programmation orientée objet, projets, outils Big Data) ;
2. assurer la responsabilité de filières de spécialisation de troisième année orientées
informatique ;
3. participer à la vie générale de l’école (suivis et soutenances de stages, jurys de projets,
promotion des activités de l’école, évaluation de rapports de stages) ;
4. maintenir une activité en lien avec la recherche, à travers la veille technologique sur
l’évolution des outils en informatique et la participation à des projets de recherche.

Profil du candidat :
Le candidat sera titulaire d’un doctorat en informatique (ou équivalent). Une expérience
d’enseignement sera appréciée, tout comme une expérience professionnelle dans le
monde de l’entreprise. Une connaissance des méthodes et techniques big data est
nécessaire.

Formation et compétences requises :
Le candidat sera titulaire d’un doctorat en informatique (ou équivalent). Une expérience
d’enseignement sera appréciée, tout comme une expérience professionnelle dans le
monde de l’entreprise. Une connaissance des méthodes et techniques big data est
nécessaire.

Adresse d’emploi :
Les candidats doivent adresser leur candidature à recruitment@ensai.fr jusqu’au 22 juin
2018, avec la référence Ensai/2018/ENS-INFO en objet. Cette candidature doit comprendre
une lettre de motivation accompagnée d’un CV détaillé incluant une présentation de
l’expérience ou du projet en matière d’enseignement, de recherche, d’ouverture
internationale, et une liste des travaux et publications réalisés.
Des renseignements complémentaires peuvent être obtenus auprès de :
• Ronan Le Saout, directeur adjoint des études
(+33 (0)2 99 05 33 22, ronan.lesaout@ensai.fr)
• Valentin Patilea, responsable du laboratoire de recherche CREST à l’Ensai
(+33(0)2 99 05 33 25, valentin.patilea@ensai.fr)
• Romaric Gaudel, responsable du département informatique à l’Ensai
(+33(0)2 99 05 33 30, romaric.gaudel@ensai.fr)

Document attaché : 2018_Poste_Info_enseignant.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : ICUBE – Université de Strasbourg
Durée : 42 ans
Contact : gancarski@unistra.fr
Date limite de publication : 2018-06-28

Contexte :
L’IUT Robert Schumann (Université de Strasbourg) recrute un Maître de Conférences en Informatique (N° 4493) sur un profil “Visualisation dans les masses de données”

Sujet :
En enseignement, la personne recrutée interviendra principalement en DUT informatique et en Licence Professionnelle « Métiers de l’informatique : applications web ».
Elle renforcera principalement les modules liés à la programmation objets et prendra la responsabilité des enseignements de modélisation objets (UML) et design patterns.

Pour tout renseignement sur l’enseignement contacter : Cédric Wemmert (wemmert@unistra.fr), Chef du Département Informatique de l’IUT (https://iutrs.unistra.fr)
En recherche, la personne recrutée s’intégrera dans le laboratoire ICube (https://icube.unistra.fr)
Elle devra présenter un projet s’inscrivant dans la thématique « Visualisation dans les masses de données » en lien avec une ou plusieurs des équipes suivantes du laboratoire ICube :

Informatique Géométrique et Graphique (IGG – Resp. Dominique BECHMANN bechmann@unistra.fr)
Images, Modélisation, Apprentissage, Géométrie et Statistique (IMAGeS- Resp. Mohamed TAJINE tajine@unistra.fr)
Sciences des Données et Connaissances (SDC – Resp Nicolas LACHICHE nicolas.lachiche@unistra.fr ).

Pour tout renseignement sur la recherche contacter les responsables d’équipe ci-dessus. Vous pouvez aussi contacter le responsable du Département Informatique Recherche : Pierre Gançarski gancarski@unistra.fr

Profil du candidat :
Qualifié(e) en 27ième section

Formation et compétences requises :
– Visualisation de données massives
– Informatique géométrique et graphique et/ou Fouille de données massive et/ou Traitement d’images

Adresse d’emploi :
Université de Strasbourg :
– IUT Robert Schumann : http://iutrs.unistra.fr/campus/
– ICube (Pôle API) : http://icube.unistra.fr/acces/site-illkirch/

Document attaché : FOPC_0673021V_4493.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : SONDRA
Durée : 12 months
Contact : chengfang.ren@centralesupelec.fr
Date limite de publication : 2018-06-30

Contexte :
Department/Dir./Serv. : SONDRA
Place: Centralesupélec, Gif sur Yvette (35 Km from Paris)
Supervisors : Jean-Philippe Ovarlez, Chengfang Ren
Mail : jeanphilippe.ovarlez@centralesupelec.fr ; chengfang.ren@centralesupelec.fr

SONDRA is a Franco-Singaporean research laboratory born from the alliance between Supélec (now CentraleSupélec, French engineering school), ONERA (French national aerospace research center), NUS (National University of Singapore) and DSO National Laboratories. SONDRA was officially launched on April 28, 2004. Based in France on the CentraleSupélec campus, SONDRA carries out fundamental research activities towards integrative research on radar observation combining physics, signal processing and machine learning for the defense, aeronautics and space sectors

Sujet :
Machine Learning for Radar Detection and Estimation

Since the last decade, there is a growing interest for machine and deep learning methods to perform classification and regression tasks. Even though radar target detection and estimation respectively can be turned into a classification and regression problem, radar signals processing are still dominated by physics model based processing techniques [1]. These methods are close to optimal under condition that the collected data belong to a class of well specified distribution [2, 3] (Gaussian, compound Gaussian, elliptically symmetric distribution etc.). The latter point could be questionable since radar unwanted echoes, namely radar clutter, are environment depending. One can argue that Gaussian noise distribution is justified by Central Limit Theorem but this approximation may be only valid for low range resolution radars. For high resolution radar, conventional signal processing assumes noise distribution to be Gaussian scale mixture or elliptically symmetric distributions [4, 5] which are shown to be an efficient assumption for a more robust clutter modeling under presence of outliers. However, these modeling may not capture the true underlying noise distribution (heterogeneity, non-stationarity of the clutter) for a fixed data acquisition environment. On the other hand, machine and deep learning approaches have demonstrated to be very efficient in speech and image recognition and many other areas… Under availability of large amounts of data, machine and deep learning methods could be benefit to process high resolution radar signals [6] under heterogeneous and non-stationary background. Additionally, machine learning can be used for modelling non-linear transformation [7], it might provide a computational efficient method for signal processing, and also give improved target detection and parameter estimation. Therefore, we are looking for thought leaders who can develop new areas and applications using machine and deep learning based methods for target detection, estimation and the inverse transform between radar measurement space and interest parameter space.

References:

[1] Mark Richards, “Fundamentals of Radar Signal Processing”, McGraw-Hill, 2005.
[2] A. De Maio and M. S. Greco, “Modern Radar Detection Theory”. IET, 2015.
[3] M. Greco, Y. Abramovich, J.-P. Ovarlez, H. Li and X. Yang, ”Introduction to the Issue on Advanced Signal Processing Techniques for Radar Applications”, Selected Topics in Signal Processing, IEEE Journal of, 9(8), pp.1363-1365, 2015.
[4] F. Pascal, Y. Chitour, J.-P. Ovarlez, P. Forster and P. Larzabal, “Covariance Structure Maximum Likelihood Estimates in Compound Gaussian Noise: Existence and Algorithm Analysis”, Signal Processing, IEEE Transactions on, 56(1), pp.34-48, Jan. 2008.
[5] F. Pascal, J.-P. Ovarlez, P. Forster and P. Larzabal, “Performance Analysis of Covariance Matrix Estimates in Impulsive Noise”, Signal Processing, IEEE Transactions on, 56(6), pp.2206-2217, Jun. 2008.
[6] E. Mason, B. Yonel and B. Yazici, “Deep learning for radar”, IEEE Radar Conf., 2017.
[7] A. Mousavi and R. G. Baraniuk. “Learning to invert: Signal recovery via convolutional network”, IEEE ICASSP, pp. 2272 – 2276, 2017.

Mission:

The mission of this postdoc consists in:
– Development of machine learning and deep learning based methods to perform radar detection, estimation and the inverse transform between measurement space and parameter space. Scenarios include wide range of velocity profiles, non-linear effects such as range migration, and acceleration etc. Measurement and parameter spaces may be real and/or complex-valued.
– Evaluation of performances in terms of regulation of false alarm, detection performance, parameter accuracy and computational time.
– Benchmarking with conventional processing algorithm.

Profil du candidat :
Candidates should have
– Ph.D in machine learning, signal processing or applied statistics,
– Strong background in machine learning and deep learning,
– Programming skills in Python and/or Matlab.
– Knowledge in radar signal processing will be a plus.
– Excellent written and presentation skills in English are an advantage.

Formation et compétences requises :
How to apply:

Each applicant should send a CV and a list of his publications.
Applications should be submitted by email to: jeanphilippe.ovarlez@centralesupelec.fr and chengfang.ren@centralesupelec.fr as soon as possible.

Salary (gross): 3000€/month.
Contract duration: 12 months.
The Postdoc will start as soon as possible or at latest June 2018.

Adresse d’emploi :
Location: SONDRA,
campus of Centralesupelec,
Bâtiment Breguet,
3 rue Joliot-Curie,
F-91192 Gif-sur-Yvette Cedex.

Document attaché : Postdoc_SONDRA.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Université Jean Monnet
Durée : 36 mois
Contact : ducottet@univ-st-etienne.fr
Date limite de publication : 2018-06-30

Contexte :
Un poste d’enseignant chercheur contractuel (CDD de 3 ans) en traitement d’image est ouvert à l’Université Jean Monnet de Saint-Etienne. Il s’agit d’un poste équivalent à un poste de “Maître de conférences” avec une mission d’enseignement de 192h et une mission de recherche.

Ces missions d’enseignement et de recherche seront affectées à Telecom Saint-Etienne dans le secteur du traitement d’image. La mission de recherche sera menée au sein du laboratoire Hubert Curien UJM/CNRS UMR 5516, laboratoire d’appui de l’école.

Ce poste est un plein-temps adossé à la masse salariale laissée vacante par un enseignant-chercheur titulaire de Télécom Saint-Etienne.

Sujet :
La personne recrutée interviendra dans les enseignements liés à l’image et au génie informatique. Elle devra être capable de s’investir dans les enseignements de base du traitement d’image (introduction à l’image, morphologie mathématique, reconnaissance des formes…) ainsi que dans les enseignements orientés développement pour l’image (projets informatiques orientés image, développement OpenCV/OpenGL, interfaces graphiques…).

Pour son activité de recherche, le candidat intégrera le groupe Image Science & computer vision du laboratoire Hubert Curien. Ce groupe mène des recherches en vision par ordinateur s’appuyant sur les nouvelles méthodes issues de l’apprentissage automatique telles que les réseaux convolutionels profonds (Deep Learning). L’enjeu actuel est d’adresser des problèmes tels que l’analyse de mouvement, d’expression et de comportement à partir de vidéos.

Profil du candidat :
Nous recherchons un candidat motivé et dynamique, ayant de bonnes connaissances en traitement d’image et en vision par ordinateur.

Le dossier de candidature est à adresser au plus tard le 15/06/2018 par courriel à Christophe Ducottet et à Bruno Sauviac (voir le document joint pour la composition du dossier)

Formation et compétences requises :
Doctorat en sciences des données avec de bonnes connaissances en traitement d’image et en vision par ordinateur (qualification MCF non obligatoire).

Adresse d’emploi :
Télécom Saint-Etienne
25 Rue Dr Rémy Annino
42000 Saint-Étienne

Document attaché : Fiche-mission-EC-image2018.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Laboratoire TSCF, Irstea de Clermont-Ferrand, campus des Cézeaux, Aubière – http://www.irstea.fr/tscf
Durée : 12 mois
Contact : francois.pinet@irstea.fr
Date limite de publication : 2018-06-30

Contexte :
Le postdoctorat se déroulera dans le laboratoire TSCF (Technologies et Systèmes d’information pour les agrosystèmes – Clermont-Ferrand), au sein de l’équipe COPAIN, groupe travaillant sur les systèmes d’information communicants et agri-environnementaux. Il s’agit d’une équipe de 17 personnes, incluant 7 docteurs (4 HDR).

Démarrage possible d’avril à juin 2018

Merci d’envoyer un CV rapidement à François Pinet, francois.pinet@irstea.fr

Sujet :
Les travaux s’intéressons à l’entreposage de données des capteurs dans le contexte Big data. Les capteurs seront du type de ceux utilisés en agriculture : fixes (capteurs sur des parcelles agricoles) ou mobiles (capteurs d’agro-équipements). Les données de capteurs présentent des particularités qui rendent difficile leur gestion/analyse avec les modèles de Big EDs (Big Entrepôts de données). Le travail demandé dans ce projet consiste en :
1. Etat de l’art sur les Big EDs
2. Définition d’un ou plusieurs modèles de Big EDs pour l’interrogation de données capteurs
3. Mise en place d’une architecture pour l’implémentation de modèles
4. Expérimentation et validation avec les données capteurs issues d’Irstea et de données simulées.

Le travail consistera aussi à participer activement au groupe de travail Big data de l’ISITE CAP2025 regroupant différents laboratoires de recherche sur Clermont-Ferrand.

Profil du candidat :
Profil recherché : connaissance en bases de données et systèmes d’information

Formation et compétences requises :
Formation requise : Doctorat

Adresse d’emploi :
Laboratoire TSCF, Irstea de Clermont-Ferrand, campus des Cézeaux, Aubière – http://www.irstea.fr/tscf

Document attaché :

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : GREYC
Durée : 6 mois
Contact : francois.rioult@unicaen.fr
Date limite de publication : 2018-07-10

Contexte :
The AIMS project consists of building an integrated system for monitoring offshore human activities to assess the impact of these activities on marine fauna, and especially on marine mammals. The whole system is built around big-data technologies and aims to use benefits of such technologies to collect and analyze all possible data related to the marine environment and the offshore human activities.

Sujet :
Among others, AIMS is investigating new efficient ways for the analysis of the acoustic pollution. For the moment being, simulating sound pollution starting from boat locations (obtained through the Automatic Identification System) requires long computations solving partial differential equation (PDE) such as the Helmholtz one. The aim of this project is to study how deep learning techniques can speed up these long computations.

Profil du candidat :
Researcher with recent PhD in
– computer science
– applied mathematics
– acoustics
– signal processing

Formation et compétences requises :
Experience with deep learning
Background knowledge on (acoustic) signal processing
Perfect English oral and writing skills

Adresse d’emploi :
Campus 2 Côte de Nacre
14 000 Caen

Document attaché : postDocPositionGreyc2.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : IMT Atlantique
Durée : 18 mois
Contact : yann.busnel@imt-atlantique.fr
Date limite de publication : 2018-07-20

Contexte :
Dans le cadre du projet ANR INSHARE, IMT Atlantique et le CHU de Rennes proposent un poste de Post-doctorant(e) spécialité sciences des données appliquées aux données massives en santé.

Sujet :
La réutilisation des données massives en santé (DMS) est un enjeu majeur pour la recherche multidisciplinaire. Ces données sont sensibles, peu interopérables et de qualité variable. En tant que plateformes technologiques tiers de confiance, les entrepôts de données biomédicaux (EDBM) sont une des solutions permettant l’exploitation des DMS en particulier pour les données à caractère ou à potentialité scientifiques. Au travers d’une preuve de concept, le projet ANR INSHARE (ANR-15-CE19-0024) est une contribution pour démontrer la faisabilité et l’intérêt d’une plateforme technologique dédiée aux partages des données et à la réalisation de travaux de recherche collaboratifs. Les objectifs spécifiques sont d’intégrer et chainer des données patients provenant de sources hétérogènes, d’établir une gouvernance du partage de données, d’introduire dans les EDBM une rupture venant des innovations du Big Data et des technologies de protection des données. Le projet sera évalué sur des cas d’usages épidémiologiques.

Dans le cadre de ce projet, le titulaire du poste se concentrera sur les aspects “Technologies Big Data”, et plus spécifiquement le requêtage en temps réel des données massives disponibles. Pour cela, les travaux s’effectueront en trois grandes étapes : à la suite de l’étude de l’état de l’art des technologies, plateformes et algorithmes innovants déjà effectuée, (i) la conception d’intégrateurs de données et de systèmes de requêtes passant à l’échelle devra être proposé. Des techniques d’optimisations prendront alors en compte le biais des distributions des données, le partitionnement de ces dernières, l’équilibrage de charge, la disponibilité des réplicas, etc. enrichissant ces systèmes. Ensuite, (ii) la proposition d’agrégats de données innovantes sera considérée, permettant de résumer efficacement l’information disponible et de résoudre des requêtes complexes en un temps minimal. Enfin, (iii) l’objectif final de ces travaux sera de proposer des métriques sur ces flux de données et/ou sur ces agrégats, permettant une extraction de tendances reposant sur les besoins des cas d’usages définis dans la proposition du projet INSHARE.

Le titulaire du poste sera en charge de suivre cette feuille de route, de proposer des solutions innovantes et de valider celles-ci par le biais d’expérimentations sur la plateforme mise en place dans le cadre du projet. Il sera aussi tenu de participer aux réunions d’avancement du projet et de la rédaction des livrables de la tache 3.2.

Profil du candidat :
=== Capacités et aptitudes :
– Excellent relationnel et capacité à s’intégrer à des équipes de recherche et d’enseignement pluri et inter-disciplinaire.
– Capacité d’adaptation aux évolutions thématiques.
– Capacité à travailler en mode projet
– Ouverture d’esprit, capacité d’autoévaluation
– Capacité à appliquer ses connaissances à des systèmes opérationnels ou en devenir (recherche appliquée).

=== Connaissances théoriques, techniques et pratiques nécessaires pour tenir le poste :
– Connaissances théoriques et pratiques dans les domaines mentionnés ci-dessus.
– Très bonne culture des technologies de l’Internet et très bonne connaissance des principes fondamentaux de la science des données.
– Excellente maitrise de l’anglais écrit et oral. – Connaissance du secteur des TIC.
– Compétences opérationnelles de développement logiciel, une expérience en enseignement est un plus.

Formation et compétences requises :
Doctorat ou équivalent

Adresse d’emploi :
Campus de Rennes
2, rue de la Châtaigneraie CS 17607
35 576 Cesson Sévigné Cedex

Document attaché : FDP_Post-Doc_specialite_data_sciences_SRCD_FR.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : Université de Versailles St-Quentin/Laboratoire DAVID et CNRS/Laboratoire LSCE
Durée : Un an renouvelable
Contact : Karine.Zeitouni@uvsq.fr
Date limite de publication : 2018-07-24

Contexte :
Les nouveaux capteurs environnementaux miniatures offrent une opportunité de mesure en continu, en tout lieu, et en mobilité de l’exposition réelle des individus à la pollution atmosphérique. Le but du projet ANR Polluscope, porté par l’équipe ADAM du laboratoire DAVID, est d’évaluer sur le terrain les capacités et les limitations de ces nouveaux capteurs dans la compréhension fine de l’exposition individuelle à la pollution de l’air et de ses effets sur la santé, notamment chez des sujets atteints de troubles respiratoires. Pour y parvenir, des verrous sont à lever en termes de métrologie, de protocole de collecte, d’intégration aux données de mobilité, de traitement et d’analyse de données imparfaites, de confidentialité des données personnelles, etc.
Détails sur le projet : polluscope.uvsq.fr

Sujet :
L’objectif d’étudier et de développer un système d’information orienté Web permettant la gestion et la visualisation d’informations géolocalisées et des expositions individuelles à la pollution. Sur la base des modèles de données élaborés dans le projet, des requêtes spécifiques sont à modéliser/orchestrer afin de générer des statistiques, des graphiques et des cartes de suivi de la pollution et de l’exposition de la pollution variations. L’information sera affichée via une interface Web. Les cartes seront basées sur des systèmes open source de type OpenLayers / cartographie OpenStreetMap. La mise en œuvre et le déploiement du système est basé sur une approche micro-services et utilise une plateforme CLOUD gérée au niveau national. L’ingénieur fera des visites au LSCE pour former l’équipe à utiliser les logiciels développés.

Profil du candidat :
Détenteur d’un Master pou d’un diplôme d’ingénieur en Informatique, potentiellement avec une expérience professionnelle.

Formation et compétences requises :
Compétences recherchées : Niveau confirmé en Système, en développement d’applications, compétences ou intérêt à les développer dans le développement sur le Cloud, les outils SIG et les outils big data.

Environnement : Linux, docker, Kubernetes, Postgres/PostGIS, Flume, Haddop, Geomesa, Geoserver/ Openlayers, Service REST, Java, PHP, bases de données, outils statistiques (R ou équivalent).

Adresse d’emploi :
Université de Versailles Saint-Quentin, Laboratoire DAVID, en collaboration avec le LSCE. Le lieu d’exercice principal sera le laboratoire DAVID – 45 Avenue des États-Unis 78000 Versailles
Renseignement et candidature :
Nom : Karine Zeitouni, Karine.Zeitouni@uvsq.fr et Yehia Taher, Yehia.Taher@uvsq.fr

Document attaché : CDD_Polluscope_Versailles.pdf

Annonce en lien avec l’Action/le Réseau : aucun

Laboratoire/Entreprise : INRA, BIA (Nantes)
Durée : 1 an
Contact : david.legland@inra.fr
Date limite de publication : 2018-08-01

Contexte :
La plate-forme BIBS (INRA, Nantes) propose un certain nombre de modalités analytiques qui permettent d’accéder aux échelles moléculaire, cellulaire et tissulaire à des informations compositionnelles et structurales sur des objets complexes d’origine biologique. Parmi les méthodes récemment mises en place sur la plate-forme, l’imagerie par spectrométrie de masse MALDI permet l’identification et la localisation de biomolécules à l’échelle du micromètre, et l’imagerie par résonance magnétique nucléaire (IRM) permet d’accéder à la distribution et à la mobilité de l’eau à l’échelle de la dizaine de micromètre. Le couplage de ces deux modalités permet d’envisager une caractérisation plus complète des objets étudiée. L’exploitation et l’analyse des données sont limitées par plusieurs verrous techniques. D’une part, le nombre élevé de valeurs associées à chaque spectre de masse complique leur interprétation. En effet, la sélection de l’espèce chimique représentée en imagerie MALDI est conditionnée par un choix préalable de l’opérateur sur la base de ses connaissances du système étudié. Cette démarche ne permet pas d’exclure qu’une autre représentation corrèlerait mieux avec les images obtenue en RMN. D’autre part, les systèmes d’acquisitions génèrent des images avec des résolutions et des orientations différentes. Il est donc nécessaire de mettre en oeuvre des outils statistiques pour l’analyse multivariées des données ainsi qu‘une stratégie de recalage d’image pour mettre en correspondance spatiale les informations présentes dans les images. La fusion des informations fournies par ces différentes modalités d’imagerie devrait permettre d’obtenir une caractérisation beaucoup plus riche et complète que par chaque modalité individuelle.

Sujet :
L’objectif du travail de l’Ingénieur(e) de recherche sera de développer des méthodes de traitement d’images permettant de mieux exploiter les informations issues des deux modalités d’imagerie, MALDI et IRM. L’Ingénieur(e) recruté(e) développera ainsi 1) des outils pour quantifier les informations relatives à ces deux modalités d’imagerie, 2) des outils de recalage d’images afin de superposer les informations obtenues, et 3) des outils d’analyse statistiques multivariées pour mettre en relation et fusionner les données quantitatives localisées obtenues. Un premier travail sera conduit pour exploiter la dimension spectrale des images en spectrométrie de masse et choisir la représentation qui maximise la corrélation avec les observations en imagerie par RMN.

Profil du candidat :
Le profil recherché est un informaticien, de niveau M2 ou école d’ingénieur, avec de solides compétences en mathématiques appliquées. Une expérience dans le développement d’algorithmes
de traitement d’images et dans l’analyse statistique est souhaitée. La maîtrise de Matlab serait un plus.

Formation et compétences requises :
Ecole d’ingénieur ou doctorat
compétences en mathématiques appliquées, fouille de données, traitement d’images, Matlab

Adresse d’emploi :
INRA Nantes, Unité BIA-BIBS
rue de la Géraudière, BP 71627
44316 NANTES CEDEX 3

Document attaché : profil_IR_couplage_RMN_MALDI.pdf